A-75

Seminar Nasional Aplikasi Teknologi Prasarana Wilayah 2011

Model Pengelolaan Transportasi Mahasiswa dalam Mengurangi
Kemacetan Lalu Lintas Menuju Kampus Universitas Negeri Surabaya

Ari Widayanti, Yogie Risdianto, Mas Suryanto H.S.
Staf Pengajar Jurusan Teknik Sipil - Fakultas Teknik - Universitas Negeri Surabaya
Gedung A4 Kampus Unesa Ketintang
Telp. 0815 5613917
Email: ari_wid@yahoo.co.id

Abstrak Kemacetan lalu lintas merupakan masalah dalam
transportasi. Hal ini terkait dengan aktivitas masyarakat, tata
guna lahan, lokasi, kondisi jalan, jarak, waktu perjalanan,
biaya transportasi. Kemacetan di Jalan Ketintang pada jam
sibuk pagi dan sore hari, salah satunya disebabkan oleh
pergerakan mahasiswa menuju kampus. Faktor biaya
transportasi merupakan hal yang diperhitungkan mahasiswa.
Pengumpulan data dengan menyebarkan kuesioner pada 206
mahasiswa. Teknik analisis data dengan Metode Regresi
Linier Berganda. Kesimpulan yang diperoleh adalah model
biaya transportasi mahasiswa dinyatakan dalam Y = 4,330 +
15,774 X
1
+ 1,860 X
2
+ 2,408 X
3
+ 1,002 X
4
+ 0,013 X
5
dengan
Y = biaya transportasi, X
1
= jarak perjalanan dari tempat
tinggal ke kampus, X
2
= waktu perjalanan dari tempat tinggal
ke kampus, X
3
= jumlah mata kuliah yang diprogram, X
4
=
jumlah kegiatan non akademis mahasiswa, X
5
= jumlah
penghasilan orang tua. R
2
sebesar 0,832, dan R sebesar 0,912.
Faktor-faktor yang mempengaruhi biaya transportasi
mahasiswa yaitu jarak perjalanan dari tempat tinggal ke
kampus (0,304), jumlah mata kuliah yang diprogram (0,204),
waktu perjalanan (0,173), jumlah penghasilan orang tua
(0,160), jumlah kegiatan non akademis yang diikuti (0,108).
Moda yang paling banyak digunakan adalah sepeda motor.
Upaya yang perlu dilakukan untuk mengurangi kemacetan
lalu lintas di Jalan Ketintang yaitu mahasiswa menggunakan
waktu seefektif mungkin dalam melakukan aktivitasnya,
mahasiswa mencari lokasi tempat tinggal di sekitar kampus,
perlu adanya asrama mahasiswa di kawasan kampus Unesa.

Kata kunci: kemacetan, lalu lintas, kampus, model, biaya
transportasi, mahasiswa.
I. PENDAHULUAN
Transportasi merupakan salah satu kebutuhan yang
penting dalam menunjang mobilitas masyarakat. Kondisi
transportasi yang baik, lancar, aman, efektif dan efisien
mengindikasikan tingginya tingkat kemakmuran suatu
bangsa, demikian pula jika yang terjadi sebaliknya,
diberikan di [1] dan [8]. Kondisi transportasi sangat
berhubungan dengan faktor ekonomi, jika terjadi kenaikan
harga BBM maka semua aktivitas kehidupan masyarakat
akan terpengaruh. Harga barang akan naik, harga
kebutuhan masyarakat akan meningkat, yang disebabkan
oleh biaya transportasi yang semakin meningkat. Biaya
transportasi merupakan hal yang penting karena dalam
penentuan aktivitas masyarakat, aksesibilitas pencapaian
suatu lokasi akan menentukan jumlah biaya yang harus
dikeluarkan oleh seseorang. Oleh karena itu kajian-kajian
tentang masalah transportasi beserta dengan faktor-faktor
yang mempengaruhi sangat diperlukan, terutama yang
berhubungan dengan biaya transportasi.
Mahasiswa sebagai salah satu elemen dari civitas
akademika suatu Perguruan Tinggi tidak terlepas dari
transportasi dalam menunjang aktivitasnya. Mahasiswa
merupakan bagian dari masyarakat yang unik karena
mengalami peralihan dari masa remaja ke masa dewasa
dimana dituntut untuk mandiri, bertanggung jawab, berani
mengambil keputusan sendiri dengan atau tanpa campur
tangan pihak lain. Latar belakang mahasiswa yang
beragam, menunjukkan karakteristik yang khas pada setiap
golongan, yang terkait dengan kondisi sosial ekonomi
orang tua. Ditinjau dari aktivitas mahasiswa di kampus
tergolong unik, karena ada perbedaan aktivitas antara
mahasiswa satu dengan yang lain. Hal ini ditentukan dari
jumlah SKS yang ditempuh, jumlah mata kuliah yang
diprogramkan, jumlah aktivitas baik akademis maupun non
akademis, jenis kelamin mahasiswa maupun jumlah tugas
dan asistensi kepada dosen pembimbing. Aktivitas
mahasiswa dalam bidang akademis tersebut ditentukan dari
nilai IPK yang diperoleh dari grafik hubungan antara IP
Semester maupun IP Kumulatif, dipresentasikan di [2].
Aktivitas mahasiswa non akademis dipengaruhi oleh bakat
dan minat yang dilatarbelakangi oleh kondisi sosial
ekonomi dan lingkup pergaulan sehari-hari.
Beberapa studi telah dilakukan dalam memperoleh
faktor-faktor yang mempengaruhi biaya transportasi
mahasiswa, diberikan di [2], [5], [11]. Hal-hal yang
diasumsikan mempengaruhi biaya transportasi mahasiswa
yaitu jarak dari lokasi tempat tinggal ke kampus, waktu
perjalanan dari lokasi tempat tinggal menuju ke kampus,
jumlah mata kuliah yang ditempuh, jumlah kegiatan non
akademis yang diikuti, jumlah penghasilan orang tua
mahasiswa.
Salah satu metode yang digunakan untuk
memperoleh faktor-faktor yang mempengaruhi biaya
transportasi mahasiswa adalah Metode Regresi Linier
Berganda dengan menggunakan software SPSS (Statistical
Product and Service Solution). Metode ini dapat meninjau
lebih dari satu variabel, sehingga dapat diperoleh variabel

A-76 ISBN : 978-979-18342-3-0

yang paling berpengaruh dan tidak berpengaruh terhadap
biaya transportasi mahasiswa. Ditinjau dari keberadaannya,
software ini praktis dan ekonomis karena banyak dijual di
pasaran dan sudah luas penggunaannya, bahkan setiap
orang dapat mengoperasikan baik di kawasan kampus
maupun rental komputer yang ada. Ditinjau dari
kemudahan pemakaian, metode Regresi Linier Berganda
dengan SPSS juga lebih mudah dalam pengoperasiannya.


Tujuan dari penelitian ini adalah
a. Memperoleh faktor-faktor yang berpengaruh terhadap
biaya transportasi mahasiswa,
b. Memperoleh model pengelolaan biaya transportasi
mahasiswa Jurusan Teknik Sipil Fakultas Teknik
Universitas Negeri Surabaya dengan Metode Regresi
Linier Berganda.
II. METODE
Desain Penelitian berupa penelitian deskriptif dan
survei yang meliputi:
a. Mengumpulkan data sekunder dari Bagian
Administrasi Jurusan Teknik Sipil Fakultas Teknik
Universitas Negeri Surabaya.
b. Mengumpulkan data dari mahasiswa dengan
menyebarkan kuesioner yang berisi tentang biaya
transportasi dan faktor-faktor yang diduga
mempengaruhi biaya transportasi mahasiswa. Dari
populasi sebesar 435 orang, maka sampel penelitian
yang diambil adalah sejumlah 206 mahasiswa.
Pendekatan penelitian menggunakan deskriptif
kuantitatif yang disertai dengan analisis SPSS.
Variabel-variabel yang digunakan dalam penelitian
ini adalah:
a. Variabel tidak bebas berupa biaya transportasi (biaya
yang dikeluarkan setiap bulan oleh mahasiswa JTS FT
Unesa untuk melakukan transportasi).
b. Variabel bebas berupa:
1. jarak perjalanan dari lokasi tempat tinggal menuju
ke kampus Unesa,
2. waktu perjalanan dari lokasi tempat tinggal
menuju ke kampus Unesa,
3. jumlah mata kuliah yang diprogram pada Semester
Genap 2009/2010,
4. jumlah kegiatan non akademis mahasiswa pada
Semester Genap 2009/2010,
5. jumlah penghasilan orang tua setiap bulan,
Pembentukan model regresi ditentukan dari rumus
berikut ini:
Y = c + a
1
X
1
+a
2
X
2
+ a
3
X
3
+ a
4
X
4
+ a
5
X
5

(1)
Dengan:
Y = biaya transportasi mahasiswa.
c = konstanta regresi.
a = koefisien regresi.
X
1
= jarak perjalanan dari lokasi tempat tinggal ke
kampus.
X
2
= waktu perjalanan dari lokasi tempat tinggal
menuju ke kampus.
X
3
= jumlah mata kuliah yang diprogram pada
Semester Genap 2009/2010.
X
4
= jumlah kegiatan non akademis mahasiswa pada
Semester Genap 2009/2010.
X
5
= jumlah penghasilan orang tua setiap bulan.
Teknik analisis data menggunakan analisis
deskriptif kuantitatif dan analisis regresi dari Program
SPSS. Cara penafsiran dan penyimpulan data dilakukan
dengan [9]:
1. Uji Normalitas
Suatu penelitian yang melakukan pengujian hipotesis
dengan menggunakan uji-t dan atau uji F, menuntut
suatu asumsi yang harus diuji yaitu populasi harus
berdistribusi normal. Apabila jumlah sampel
diperbesar, penyimpangan asumsi normalitas ini
semakin kecil pengaruhnya.
2. Uji Koefisien Korelasi
Koefisien korelasi (r) digunakan untuk menentukan
korelasi antara variabel bebas. Nilai r yang mendekati -
1 berarti kedua peubah saling berkorelasi negatif
(peningkatan nilai salah satu peubah akan
menyebabkan penurunan nilai peubah lainnya).
Sebaliknya jika nilai r mendekati +1 berarti kedua
peubah saling berkorelasi positif (peningkatan nilai
salah satu peubah akan menyebabkan peningkatan
nilai peubah lainnya). Disamping itu angka yang
muncul mengindikasikan tingkat hubungan seperti
dalam Tabel 1 berikut ini.
Tabel 1: Penafsiran Koefisien Korelasi
Interval Koefisien Tingkat Hubungan
0.00 0.199 Sangat rendah
0.20 0.399 Rendah
0.40 0.599 Sedang
0.60 0.799 Kuat
0.80 1.000 Sangat Kuat
3. Uji Regresi, digunakan untuk mengetahui faktor-faktor
penentu variabel terikat secara berurutan.
4. Uji Autokorelasi atau uji identik (Trihendradi, 2008)

A-77
Seminar Nasional Aplikasi Teknologi Prasarana Wilayah 2011
Uji dilakukan dengan pengujian Durbin Watson (DW)
sesuai Tabel 2 berikut ini.
Tabel 2: Uji Autokorelasi
Nilai DW Definisi
-2 < DW< 2 Tidak terjadi autokorelasi.
DW < -2 atau DW > 2 Terjadi autokorelasi.

5. Uji Kolinearitas
Uji kolinearitas adalah uji apakah terjadi korelasi yang
kuat antara variabel-variabel independen/bebas. Cara
pengujiannya adalah:
i. Nilai korelasi dua variabel independen tersebut
mendekati satu,
ii. Nilai korelasi parsial akan mendekati nol.
Apabila terjadi kolinearitas, maka variabel yang
digunakan dalam persamaan linier hanya variabel
independen yang memiliki korelasi parsial yang tinggi.
6. Heteroskedasitas
Heteroskedasitas merupakan suatu fenomena dimana
estimator regresi bias, namun varian tidak efisien
(semakin besar sampel, semakin besar varian).
Heteroskedasitas berarti variabel terikat menunjukkan
tingkat varian yang berbeda antara variabel predictor.
Dalam model ini diharapkan tidak terjadi
Heteroskedasitas.
7. Pengujian Hipotesis
i. Uji t merupakan pengujian koefisien regresi
individual, untuk mengetahui kemampuan dari
masing-masing variabel bebas dalam
mempengaruhi variabel terikat, dengan
menganggap variabel lain konstan atau tetap,
dipresentasikan di [4].
Jika nilai p-value > 0,05, maka Ho diterima,
artinya variabel bebas tidak mempengaruhi
variabel terikat secara signifikan.
Jika nilai p-value < 0,05, maka Ho ditolak, artinya
variabel bebas mempengaruhi variabel terikat
secara signifikan.
ii. Uji F
Uji F dilakukan untuk mengetahui keberartian
model secara bersama-sama.
F
hit
< F
(k)(n-k-1)
, maka Ho diterima.
III. HASIL DAN PEMBAHASAN
Uji statistik diperlukan untuk mengetahui faktor-
faktor yang berpengaruh terhadap biaya transportasi.
Pengujian dilakukan dengan langkah-langkah berikut ini.
1. Uji Statistik Parametrik
Analisis Regresi Ganda dapat diterapkan dengan
menggunakan statistik parametrik. Uji statistik yang
diterapkan adalah Uji Normalitas Data dan Uji
Homoginitas Data.
1.1. Uji Normalitas
Pengujian Normalitas pada penelitian ini
menggunakan Statistik Kolmogorov-Smirnov, dengan
hipotesis sebagai berikut:
Ho: Data berasal dari populasi yang berdistribusi normal.
Ha: Data berasal dari populasi yang tidak berdistribusi
normal.
Uji normalitas data dilakukan terhadap variabel independen
dari penelitian ini, yaitu jarak dari tempat tinggal menuju
kampus JTS FT Unesa (X
1
), waktu perjalanan (X
2
), jumlah
mata kuliah (X
3
), jumlah kegiatan non akademis yang
diikuti (X
4
), jumlah penghasilan orang tua setiap bulan
(X
5
). Analisis menggunakan SPSS, dan hasilnya dapat
dilihat pada Tabel 3 berikut ini.
Tabel 3: Uji Normalitas Data (One-Sample Kolmogorov
Smirnov Test)

Kriteria yang digunakan adalah bahwa Ho diterima
jika nilai Asymp. Sig. (2-tailed) > dari tingkat alpha yang
ditetapkan yaitu 5%. Dari Tabel 3 diperoleh bahwa nilai
Asymp. Sig. (2-tailed)>5%, sehingga dikatakan bahwa data
berasal dari populasi yang berdistribusi normal.
1. 2 Uji Homoginitas
Uji Homoginitas data menggunakan One-Way
ANOVA, dengan hipotesis berikut ini:
Ho : Data populasi bervarian homogin.
Ha : Data populasi tidak bervarian homogin.
Uji homoginitas data dilakukan terhadap variabel
independen dari penelitian ini. Analisis menggunakan
SPSS, yang hasilnya dapat dilihat pada Tabel 4 berikut
ini.


X
1
X
2
X
3
X
4
X
5

N 206 206 206 206 206
Normal
Parameters
Mean 6.71 28.66 8.03 7.11 2154.1
Std.
Deviation
2.856 13.309 2.905 3.619 506.2
Most
Extreme
Differences
Absolute 0.080 0.072 0.083 0.169 0.131
Positive 0.070 0.072 0.083 0.169 0.086
Negative -0.080 -0.050 -0.08 -0.108 -0.131
Kolmogorov-Smirnov
Z
1.149 1.040 1.189 2.428 1.886
Asymp. Sig. (2-tailed) 0.143 0.229 0.118 0.060 0.080

A-78 ISBN : 978-979-18342-3-0

Tabel 4: Uji Homoginitas Data
Levene
Statistic
df1 df2 Sig.
X
1
= jarak
(km)
4.303 8 197 0.086
X
2
= waktu
(menit)
4.918 8 197 0.148
X
3
= jumlah
mata kuliah
1.278 8 197 0.257
X
4
= kegiatan
non akademis
per minggu
2.470 8 197 0.143
X
5
=
pendapatan
orang tua
(ribu/bln)
0.980 8 197 0.452

Kriteria yang digunakan adalah Ho diterima jika
nilai Significancy>dari tingkat alpha yang ditetapkan yaitu
5%. Dari Tabel 4 diperoleh nilai Significancy (Sig.)>5%,
sehingga dapat dinyatakan bahwa data berasal dari populasi
bervarian homogin.

2. Uji Persyaratan Regresi Ganda
Pemodelan biaya transportasi mahasiswa dibentuk
berdasarkan Analisis Regresi Ganda, sehingga perlu uji
persyaratan regresi ganda. Uji tersebut adalah Uji
Linearitas Garis Regresi, Uji Multikolinearitas, Uji
Autokorelasi dan Uji Heteroskedastisitas.
2.1 Uji Linearitas Garis Regresi
Uji Linearitas Garis Regresi digunakan untuk
mengambil keputusan dalam memilih model regresi yang
akan digunakan. Uji asumsi linearitas garis regresi ini
berkaitan dengan suatu pembuktian apakah model garis
linear yang ditetapkan benar-benar sesuai dengan
keadaannya atau tidak. Ini perlu dilakukan sehingga hasil
analisis yang diperoleh dapat dipertanggungjawabkan.
Pengujian linearitas garis regresi menggunakan pendekatan
analisis Tabel Anova. Hipotesis uji linearitas garis regresi
adalah:
Ho : Model regresi berbentuk linear
Ha : Model regresi berbentuk non-linear
Kriteria yang digunakan adalah bahwa Ho diterima jika
nilai Significancy>dari tingkat alpha yang ditetapkan yaitu
5%. Nilai signifikansi yang dimaksudkan adalah
Significancy dari Deviation from Linearity. Dengan
bantuan Program SPSS, diperoleh hasil berikut ini.
Tabel 5: Ringkasan Hasil Analisis Linearitas Garis Regresi
Keterangan Signifikasi Alpha Kriteria Simpulan
Y * X
1
0.112 0.05 S > A Linear
Y * X
2
0.064 0.05 S > A Linear
Y * X
3
0.126 0.05 S > A Linear
Y * X
4
0.652 0.05 S > A Linear
Y * X
5
0.401 0.05 S > A Linear
Dari tabel tersebut diperoleh nilai signifikansi>tingkat
alpha yang ditetapkan (0,05), sehingga dapat dikatakan
bahwa Ho diterima, yang berarti Regresi berbentuk Linear.
2.2 Uji Multikolinearitas
Uji multikolinearitas dimaksudkan untuk
membuktikan atau menguji ada tidaknya hubungan yang
linear antara variabel bebas (independen) satu dengan yang
lain. Dalam analisis regresi ganda akan terdapat dua atau
lebih variabel bebas yang diduga akan mempengaruhi
variabel terikat (dependen). Pendugaan tersebut akan dapat
dipertanggungjawabkan apabila tidak terjadi adanya
hubungan yang linear (multikolinearitas) diantara variabel-
variabel independen.
Adanya hubungan yang linear antar variabel
independen akan menimbulkan kesulitan dalam
memisahkan pengaruh masing-masing variabel independen
terhadap variabel dependen. Oleh karena itu harus benar-
benar dapat dinyatakan bahwa tidak terjadi adanya
hubungan linear antara variabel-variabel independen
tersebut. Hipotesis untuk membuktikan ada tidaknya
multikolinearitas antara variabel bebas adalah:
Ho: Tidak terdapat hubungan antara variabel
independen.
Ha: Terdapat hubungan antara variabel independen.
Ada tidaknya korelasi antar variabel dapat diketahui
dengan memanfaatkan statistik korelasi product moment
dari Pearson sesuai dengan Tabel 6 berikut ini.
















A-79
Seminar Nasional Aplikasi Teknologi Prasarana Wilayah 2011
Tabel 6: Hasil Analisis Multikolinearitas
Correlations
**. Correlation is significant at the 0.01 level (2 tailed).
Dari Tabel 6 di atas, karena nilai signifikansinya>0,05
maka hipotesis Ho diterima, yang berarti tidak terjadi
hubungan linear diantara variabel-variabel independen.

2.3 Uji Autokorelasi
Autokorelasi merupakan korelasi antara anggota seri
observasi yang disusun menurut urutan waktu,
tempat/ruang atau korelasi yang timbul pada dirinya
sendiri. Pengujian ini dimaksudkan untuk mengetahui
apakah terjadi korelasi diantara data pengamatan atau tidak.
Adanya autokorelasi dapat menyebabkan penaksir
mempunyai varians tidak minimum dan uji-t tidak dapat
digunakan karena akan memberikan kesimpulan yang
salah. Hipotesis dalam uji autokorelasi ini adalah:
Ho : Tidak terdapat autokorelasi diantara variabel
independen.
Ha : Terdapat autokorelasi diantara variabel independen.
Ada atau tidaknya autokorelasi dapat dideteksi dengan Uji
Durbin-Watson. Ukuran yang digunakan adalah jika nilai
statistik Durbin-Watson berada diantara -2 sampai +2,
maka dapat dinyatakan bahwa variabel independen tidak
memiliki autokorelasi. Hasil Uji Durbin-Watson dengan
Program SPSS, dapat dilihat pada Tabel 7 berikut ini.
Tabel 7: Hasil Uji Durbin-Watson (Model Summary)
Model R R
Square
Adjusted
R
Square
Std.
Error of
The
Estimate
Durbin-
Watson
1 .912
a
.832 .828 33.517 1.408
a. Predictors: (Constant), X5 = Pendapatan Orang Tua
(Ribu/Bln), X4 = Kegiatan Non Akademis per
Minggu, X3 = Jumlah Mata Kuliah, X2 = Waktu
(menit), X1 = Jarak (km).
b. Dependent Variable: Y = Biaya Transportasi
(Ribu/Bln)
Berdasarkan pada Tabel 7 diperoleh nilai Durbin-Watson
adalah 1,039 yang berarti berada di antara -2 dan +2.
Dengan demikian maka hipotesis Ho dapat diterima, yang
berarti tidak terdapat autokorelasi diantara variabel
independen.

2.4 Uji Heteroskedastisitas
Uji asumsi heteroskedastisitas dimaksudkan untuk
mengetahui apakah variasi residual absolut sama atau tidak
sama untuk semua data independen. Apabila asumsi tidak
terjadinya heteroskedastisitas ini tidak terpenuhi, maka
penaksir menjadi tidak lagi efisien, baik dalam sampel
kecil maupun besar, dan estimasi koefisien dapat dikatakan
menjadi kurang akurat. Pendekatan yang digunakan untuk
mendeteksi ada tidaknya heteroskedastisitas, yaitu dengan
rank korelasi dari Spearman. Uji heteroskedastisitas
dilakukan dengan hipotesis pengujian sebagai berikut:
Ho : Tidak ada hubungan yang sistematik antara variabel
yang menjel
askan dan nilai mutlak dari residualnya.
Ha : Adanya hubungan yang sistematik antara variabel
yang menjelaskan dan nilai mutlak dari residualnya.

Dengan bantuan Program SPSS, perhitungan dilakukan dua
tahap, yaitu menghitung nilai residual absolutnya (AX),
kemudian menghitung korelasi antara nilai variabel
independen dan nilai residual absolutnya. Hasil pengujian
dapat diringkas sebagai berikut:
Tabel 8: Ringkasan Uji Heteroskedastisitas
Keterangan Signifikasi Alpha Kriteria Simpulan
X1 * aX1 0.989 0.05 S > A Terima Ho
X2 * aX2 0.993 0.05 S > A Terima Ho
X3 * aX3 0.937 0.05 S > A Terima Ho
X4 * aX4 0.890 0.05 S > A Terima Ho
X
1
X
2
X
3
X
4
X
5

X1 Pearson
Correlation
1 0,972
**
-0,035 -0,027 0,594
**

Sig.(2-
tailed)
0,067 0,619 0,705 0,522
N 206 206 206 206 206
X2 Pearson
Correlation
0.972
**
1 -0.028 -0.028 0.589
**

Sig.(2-
tailed)
0.067 0.688 0.687 0.122
N 206 206 206 206 206
X3 Pearson
Correlation
-0.035 -0.028 1 -0.075 -0.128
Sig.(2-
tailed)
0.619 0.688 0.284 0.066
N 206 206 206 206 206
X4 Pearson
Correlation
-0.027 -0.028 -0.075 1 0.055
Sig.(2-
tailed)
0.705 0.687 0.284 0.431
N 206 206 206 206 206
X5 Pearson
Correlation
0.594
**
0.589
**
-0.128 0.055 1
Sig.(2-
tailed)
0.522 0.122 0.066 0.431
N 206 206 206 206 206

A-80 ISBN : 978-979-18342-3-0

Keterangan Signifikasi Alpha Kriteria Simpulan
X5 * aX5 0.109 0.05 S > A Terima Ho
Dari Tabel 8 di atas diperoleh nilai probabilitas
hubungan antara variabel bebas dengan residual absolutnya
diatas taraf signifikansi yang ditetapkan yaitu 5%. Dapat
disimpulkan bahwa data yang diperoleh tidak terdapat
adanya heteroskedastisitas.
Pemodelan biaya transportasi mahasiswa dibentuk
dengan persamaan regresi berganda, sebagai berikut:
Y = c + a
1
X
1
+a
2
X
2
+ a
3
X
3
+ a
4
X
4
+ a
5
X
5

(2)
Dengan Y = biaya transportasi mahasiswa Jurusan Teknik
Sipil.
a = konstanta regresi.
b = koefisien regresi.
X
1
= jarak perjalanan dari lokasi tempat tinggal ke kampus.
X
2
= waktu perjalanan dari lokasi tempat tinggal menuju ke
kampus.
X
3
= jumlah mata kuliah yang diprogram pada Semester
Genap 2009/2010.
X
4
= jumlah kegiatan non akademis mahasiswa pada
Semester Genap 2009/2010.
X
5
= jumlah penghasilan orang tua setiap bulan.

1. Hubungan antara Variabel Independen dengan Variabel
Dependen
Dari hasil pengolahan data, diperoleh bahwa harga
koefisien korelasinya (R) adalah 0,893. Angka ini
mendekati 1, berarti terdapat hubungan yang sangat kuat
antara jarak dari tempat tinggal menuju kampus JTS FT
Unesa (X
1
), waktu perjalanan (X
2
), jumlah SKS yang
diprogram pada Semester Genap 2009/2010 (X
3
), jumlah
kegiatan non akademis yang diikuti (X
4
), dan jumlah
penghasilan orang tua setiap bulan (X
5
) dengan biaya
transportasi mahasiswa (Y). Meskipun terdapat hubungan
yang sangat kuat, namun ini tidak menunjukkan bahwa
jarak dari tempat tinggal menuju kampus JTS FT Unesa
(X
1
), waktu perjalanan (X
2
), jumlah SKS yang diprogram
pada Semester Genap 2009/2010 (X
3
), jumlah kegiatan non
akademis yang diikuti (X
4
), dan jumlah penghasilan orang
tua setiap bulan (X
5
) benar-benar berpengaruh terhadap
biaya transportasi mahasiswa (Y). Untuk itu perlu
dibuktikan signifikansi hubungan tersebut.
Tabel 9: Hubungan Antara Variabel Independen dengan
Dependen - Model Summary
b

Model R R
Square
Adjusted
R Square
Std. Error of
The Estimate
1 .912
a
.832 .828 33.517

Change Statistic Durbin-
Watson R
Square
Change
F
Change
df1 df2 Sig. F
Change
.832 197.774 5 200 .000 1.408
a. Predictors: (Constant), X
5
= Pendapatan Orang Tua
(Ribu/Bln), X
4
= Kegiatan Non Akademis per
Minggu, X
3
= Jumlah Mata Kuliah, X
2
= Waktu
(menit), X
1
= Jarak (km).
b. Dependent Variable: Y = Biaya Transportasi
(Ribu/Bln)
Untuk pembuktian signifikansi hubungan tersebut
maka digunakan harga F hitung untuk dibandingkan
dengan harga F tabel pada tingkat alpha yang ditetapkan,
dengan df1 dan df2 sebagai pembilang dan penyebut yang
sesuai. Kriteria yang digunakan adalah akan menolak Ho
dan menerima Ha, apabila F hitung > F tabel. Hipotesisnya
adalah:
Ho: Tidak terdapat pengaruh variabel independen secara
signifikan dan positif terhadap variabel dependen biaya
transportasi mahasiswa (Y).
Ha: Terdapat pengaruh variabel independen secara
signifikan dan positif terhadap variabel dependen biaya
transportasi mahasiswa (Y).
Berdasarkan hasil pengolahan data, dapat dilihat
bahwa F hitung (F Change) adalah 197,774. Besarnya F
tabel dengan menggunakan df1 = 7 dan df2 = 198 pada
tingkat alpha yang ditetapkan (5%) adalah 2,05. Ini berarti
F hitung > F tabel, sehingga dapat disimpulkan Ho ditolak.
Dan sebagai konsekuensinya harus menerima Ha yang
berarti terdapat pengaruh variabel independen jarak dari
tempat tinggal menuju kampus JTS FT Unesa (X
1
), waktu
perjalanan (X
2
), jumlah SKS yang diprogram pada
Semester Genap 2009/2010 (X
3
), jumlah kegiatan non
akademis yang diikuti (X
4
), dan jumlah penghasilan orang
tua setiap bulan (X
5
) secara signifikan dan positif terhadap
variabel dependen biaya transportasi mahasiswa (Y).

2. Pengaruh Variabel Independen terhadap Variabel
Dependen
Tingkat ketepatan suatu model yang berdasarkan
pada analisis regresi ganda dapat diketahui dari besar
kecilnya koefisien determinasi atau koefisien R
2
(R
Square). Nilai tersebut dapat digunakan sebagai ukuran
dalam menyatakan kecocokan model yang diperoleh.
Semakin besar nilai R
2
maka semakin kuat kemampuan
model yang diperoleh untuk menerangkan kondisi yang
sebenarnya. Nilai R
2

juga mengukur besarnya sumbangan

A-81
Seminar Nasional Aplikasi Teknologi Prasarana Wilayah 2011
dari variabel independen terhadap perubahan variabel
dependen.
Dari hasil analisis, diketahui bahwa koefisien
determinasi atau R
2
(R Square) yaitu sebesar 0,832. Hal ini
menunjukkan bahwa kemampuan variabel jarak dari
tempat tinggal menuju kampus JTS FT Unesa (X
1
), waktu
perjalanan (X
2
), jumlah SKS yang diprogram pada
Semester Genap 2009/2010 (X
3
), jumlah kegiatan non
akademis yang diikuti (X
4
), dan jumlah penghasilan orang
tua setiap bulan (X
5
) untuk menjelaskan variabel biaya
transportasi mahasiswa (Y) adalah sebesar 83,20 %,
selebihnya yaitu sebesar 16,80 % ditentukan oleh faktor
lain yang tidak dapat dijelaskan dari model yang dibentuk.
Selain itu dari hasil analisis juga terdapat Adjusted R
Square yang menunjukkan angka R Square yang telah
disesuaikan dengan membebaskannya dari pengaruh
derajat bebas. R Square benar-benar menunjukkan
bagaimana pengaruh dari variabel bebas terhadap variabel
terikat. Oleh sebab itu apabila ingin melihat pengaruh
penambahan suatu peubah pada model yang telah dibentuk,
maka lebih baik dilihat pengaruhnya pada Adjusted R
Square. Dalam model yang dibentuk, Adjusted R Square
diperoleh sebesar 0,828 atau 82,80%.

3. Model Biaya Transportasi
Berdasarkan hasil analisis dari out put SPSS, maka
model biaya transportasi mahasiswa yang terbentuk adalah
:
Y = 4,330 + 15,774 X
1
+ 1,860 X
2
+ 2,408 X
3
+ 1,002 X
4
+
0,013 X
5

Dengan Y = biaya transportasi mahasiswa.
X
1
= jarak perjalanan dari lokasi tempat tinggal ke
kampus.
X
2
= waktu perjalanan dari lokasi tempat tinggal menuju ke
kampus.
X
3
= jumlah mata kuliah yang diprogram pada Semester
Genap 2009/2010.
X
4
= jumlah kegiatan non akademis mahasiswa pada
Semester2009/2011
X
5
= jumlah penghasilan orang tua setiap bulan.
Model yang telah dibentuk, kemudian diuji untuk melihat
variabel independen mana yang mempunyai pengaruh
nyata dan variabel independen mana yang tidak
berpengaruh. Untuk pengujian ini digunakan uji t. Harga t
yang ada pada Tabel 12 tersebut di atas (atau t hitung)
harus dibandingkan dengan t tabel. Kriteria yang
digunakan adalah apabila t hitung > t tabel, berarti menolak
Ho yang berarti menerima Ha. Hasil pembuktian tentang
hal ini dapat dilihat pada Tabel 10 berikut ini.
Tabel 10: Ringkasan Uji Keberartian Koefisien Regresi
Variabel Bebas Signifikasi t hitung t tabel Simpulan
X1 0.000 4.505 1.974 Tolak Ho
X2 0.014 2.485 1.974 Tolak Ho
X3 0.004 2.952 1.974 Tolak Ho
X4 0.125 2.539 1.974 Tolak Ho
X5 0.023 2.290 1.974 Tolak Ho
Dapat disimpulkan bahwa jarak dari tempat tinggal menuju
kampus JTS FT Unesa, waktu perjalanan, jumlah mata
kuliah, jumlah kegiatan non akademis yang diikuti, dan
jumlah penghasilan orang tua setiap bulan memiliki daya
ramal yang nyata terhadap biaya transportasi mahasiswa.

4. Faktor Dominan Biaya Transportasi Mahasiswa
Efektivitas model ini adalah 83,20%, yang
merupakan kemampuan gabungan dari jarak dari tempat
tinggal menuju kampus JTS FT Unesa, waktu perjalanan,
jumlah mata kuliah, jumlah kegiatan akademis yang diikuti
dan jumlah penghasilan orang tua setiap bulan. Untuk
mengetahui pengaruh masing-masing variabel maka
diperlukan pengujian pengaruh secara parsial. Pengujian
pengaruh secara parsial ini dimaksudkan untuk mengetahui
ada tidaknya pengaruh satu variabel independen terhadap
variabel dependen, sementara satu atau lebih variabel
independen lainnya tetap atau dikontrol. Tujuan
pengontrolan variabel tersebut untuk melihat dan
menemukan harga koefisien korelasi yang murni yang
terlepas dari pengaruh variabel independen lainnya.
Uji yang dapat digunakan untuk menyatakan
apakah harga koefisien korelasi parsial yang ditentukan
signifikan atau tidak adalah Uji-t. Kriterianya adalah
menolak Ho dan menerima Ha bila harga t hitung > t tabel.
Perbandingan harga t hitung dan t tabel dapat dilihat pada
Tabel 10, dimana nilai t hitung > t tabel, yang berarti
menolak Ho. Dapat disimpulkan bahwa terdapat pengaruh
masing-masing variabel independen apabila variabel
independen lainnya dikendalikan. Tabel 10
menggambarkan kemungkinan kesalahan untuk menolak
Ho dan menerima Ha dengan melihat nilai Signifikansi.
Untuk variabel jarak dari tempat tinggal menuju kampus
JTS FT Unesa (X
1
) kemungkinan kesalahannya adalah
0,00%, untuk waktu perjalanan (X
2
) adalah 1,40 %, untuk
jumlah mata kuliah (X
3
) adalah 0,40%, untuk jumlah
kegiatan non akademis yang diikuti (X
4
) adalah 12,50%
dan untuk jumlah penghasilan orang tua setiap bulan (X
5
)
adalah 2,30%.
Pengaruh dari masing-masing variabel independen
terhadap variabel dependen dapat dilihat pada koefisien
korelasi parsial. Secara berurutan variabel yang sangat

A-82 ISBN : 978-979-18342-3-0

berpengaruh adalah jarak dari tempat tinggal menuju
kampus JTS FT Unesa (0,304), jumlah mata kuliah
(0,204), waktu perjalanan (0,173), jumlah penghasilan
orang tua setiap bulan (0,160), jumlah kegiatan non
akademik mahasiswa (0,108).
IV. KESIMPULAN
Kesimpulan yang dihasilkan dari penelitian ini adalah:
a. Faktor-faktor yang berpengaruh terhadap biaya
transportasi mahasiswa Jurusan Teknik Sipil Fakultas
Teknik Universitas Negeri Surabaya adalah jarak dari
tempat tinggal menuju kampus JTS FT Unesa (0,304),
jumlah mata kuliah (0,204), waktu perjalanan (0,173),
jumlah penghasilan orang tua setiap bulan (0,160),
jumlah kegiatan non akademik mahasiswa (0,108).
b. Model biaya transportasi mahasiswa Jurusan Teknik
Sipil Fakultas Teknik Universitas Negeri Surabaya
adalah:
Y = 4,330+15,774 X
1
+1,860 X
2
+2,408 X
3
+1,002
X
4
+0,013 X
5
, R
2
= 0,832, R=0,912.

Dengan:
Y = biaya transportasi mahasiswa,
X
1
= jarak perjalanan dari lokasi tempat tinggal ke
kampus,
X
2
= waktu perjalanan dari lokasi tempat tinggal
menuju ke kampus,
X
3
= jumlah mata kuliah yang diprogram pada
Semester Genap 2009/2010,
X
4
= jumlah kegiatan non akademis mahasiswa pada
Semester Genap 2009/2010.
X
5
= jumlah penghasilan orang tua setiap bulan.
Saran yang dapat direkomendasikan adalah:
a. Perlu adanya hipotesis dengan variabel independen
lain yang diduga mempengaruhi biaya transportasi
sehingga dapat meningkatkan nilai koefisien
determinasi, yang diharapkan dapat menjelaskan
realitas di lapangan dengan lebih baik lagi,
b. Perlu adanya asrama mahasiswa di kawasan kampus.
Hal ini akan dapat memperkecil biaya transportasi
mahasiswa dan mendorong mahasiswa untuk
mengikuti kegiatan ekstrakurikuler.
DAFTAR PUSTAKA
[1] Abubakar, Iskandar dkk. 1996. Menuju Lalu Lintas
dan Angkutan Jalan yang Tertib. Jakarta: Dephubdat.
[2] Ansusanto, Dwijoko. 1999. Pemodelan Biaya
Transportasi
Mahasiswa Studi Kasus Universitas Atma Jaya
Yogyakarta. Prosiding Simposium II FSTPT. Surabaya:
JTS FTSP Institut Teknologi Sepuluh Nopember
Surabaya.
[3] Kadiyali, L. R. 1978. Traffic Engineering and
Transport
Planning, New Delhi: Khanna Publishers.
[4] Mahasiswa STIS. 2006. Analisis Deskriptif dan Analisa
Regresi Linier Berganda (online),
(http://www.youngstatiscian.com, diskses 28 Juni
2008).
[5] Murodhi, Hasan. 2003. Pemodelan Biaya Transportasi
Mahasiswa Studi Kasus Kampus ITS Sukolilo. Tugas
Akhir. Surabaya: JTS FTSP ITS.
[6] Ortuzar & Willumsen. 1990. Modelling Transport. New
York: John Wiley and Sons Ltd..
[7] Sugiyono, 2001. Statistik Non Parametris untuk
Penelitian.
Bandung: Alfabet.
[8] Tamin, Ofyar Z. 2000. Perencanaan dan Pemodelan
Transportasi. Bandung: ITB.
[9] Trihendradi, Cornelius. 2008. Step by Step SPSS 16,
Analisis Data Statistik. Yogyakarta: Andi Offset.
[10]Unesa, 2009. Buku Pedoman Akademik Universitas
Negeri Surabaya 2009/2010. Surabaya: Unesa Press.
[11]Yusanti, Ernida & Wijiastuti, Tian. 2002. Pemodelan
Biaya Transportasi Mahasiswa dengan Analisis Regresi
Linier Berganda Studi Kasus Kampus III Universitas
Muhammadiyah Malang, on line
(http://www.digilib.itb.ac.id, diakses 10 April 2008).